Искусственный интеллект для анализа медицинских изображений: | AIRI Institute

Искусственный интеллект для анализа медицинских изображений: зачем это нужно, как это делают в России и с какими вызовами сталкиваются ученые – объясняет кандидат медицинских наук, врач-рентгенолог Виктор Гомболевский

Факты:

Население мира увеличивается со скоростью 1% в год. Нынешний средний прирост населения оценивается в 81 миллион человек.

Во всем мире нагрузка на врачей увеличивается быстрее, чем количество врачей. В России один из самых серьезных приростов в нагрузке связан с работой врачей-рентгенологов.

Доказано, что сокращение количества времени на интерпретацию исследований на 50% может привести к увеличению врачебных ошибок на 16,6%.

Глобальные инвестиции в ИИ удвоились за 2021 год, составив 66,8 млрд. долл. ИИ в здравоохранении привлек больше всего инвестиций — 12,2 млрд. долл.

Лучевая диагностика — лидер по ИИ во всем здравоохранении. Когда в Европейском обществе рентгенологов провели опрос о том, где они видят ИИ через 5-10 лет, то большинство ожидали получить помощь в скрининге, стадировании и количественной оценке биомаркеров. Спрос рождает предложение и, соответственно, новые вызовы. В 2021 году сотрудник AIRI, кандидат медицинских наук, Виктор Гомболевский рассказал о них и перспективах медицинского ИИ на EXPO в Дубае:

Вызов: большинство алгоритмов ИИ решает отдельные задачи, например, по оценке степени поражения легких при COVID-19 или поиску рака молочной железы.

Перспектива: будущее стоит за мультицелевыми сервисами, работающими с мультимодальными входными данными. Например, комплексный сервис ИИ из публикации lancet для анализа рентгенографии органов грудной клетки направлен на 124 разные находки. Модель превосходит возможности рентгенологов по выявлению всех 34 клинически значимых находок.

Вызов: исследование компьютерной томографии, в отличие от рентгенографии, – это не одно, а сотни изображений. Это усложняет работу врача и расширяет границы потенциальной пользы от ИИ, когда решаемыми задачами становятся не только поиск, но и количественная оценка находок, расчет рисков на основе этих данных, подготовка черновика заключений для врача в соответствии с клиническими рекомендациями и лучшими практиками.

Перспектива: путем решения проблем является модель оппортунистического скрининга с выявлением случайных клинически значимых находок и подсказка врачу как чек-лист решений.

Научные публикации постепенно меняют фокус внимания от изучения возможностей технологии ИИ и сравнения ее с человеком к исследованиям на вершине пирамиды доказательной медицины. В этом случае медицина будет трансформироваться из догоняющей симптомы в новую концепцию здравоохранения: 4П-медицину (персонализация, предикция, превентивность и партисипативность).